我想对矢量化文本数据执行多类多输出分类任务。我首先在多输出 startegy 中使用随机森林分类器：

    forest = RandomForestClassifier(random_state=1)
    multi_target_forest = MultiOutputClassifier(forest, n_jobs=-1)
    multi_target_forest.fit(X_train, y_train)
    y_pred_test = multi_target_forest.predict(X_test)

在查看单个估计器（multi_target_forest.estimators_）的特征重要性时，我注意到我的数据集中的一些特征对某些任务非常相关和有用，但对另一个类却是干扰。例子：

任务 1：为日期分类文档（q1、q2、q3、q4） 任务 2：为版本分类文档（初步、最终、修订）

对于任务 1，与日期相关的功能（例如“四月”）非常有用。然而，对于第二个任务，特征“April”具有很高的重要性，但却是过度拟合到小数据集的结果。知道了这一点，我想积极删除这些功能。

有没有办法控制每项任务使用哪些功能？

我可以为每个任务显式训练单独的分类器，但这是否等同于多输出多类？还是正在进行一些联合概率计算，我会错过？

谢谢！